Mesterséges neurális hálózatok

Mesterséges neurális hálózatok - azok, amelyek alkotják a különleges sejtek - neuronok. Ezek matematikai modell biológiai neuronok, azaz alkotó sejtek az emberi idegrendszer.

Ez az első alkalom beszélünk neurális hálózatok 1943-ban, és a feltalálása után Perceptron Rosenblatt jött fénykorának, és a hálózatok egyre népszerűbbé váltak. Azonban, miután a közzétételét Minszk 1969-ben, amikor egy tudós bebizonyította a tehetetlenségét Perceptron, bizonyos feltételek mellett, az érdeklődés ebben az ágazatban csökkent. De a történet nem ér véget a mesterséges hálózatok. . 1985-ben J. Hopfield bemutatott tanulmányok és bebizonyította, hogy a neurális hálózat - egy nagyszerű eszköz a gépi tanulás.

Ez volt kölcsönzött biológia számos fogalmak és elvek. Neuron - egyfajta kapcsoló, amely fogadja, majd továbbítja a hüvelyesek (jelek). Ha a neuron kap elég erős lendületet, úgy véljük, hogy ez be van kapcsolva, és továbbítja az impulzusokat megmaradt idegsejtek társítva. Neuron ugyanazok, amit nem aktiválta, akkor nyugalomban marad, ez nem átviteli impulzus. Neuron áll, több fő összetevőből áll: a szinapszisok, amelyek összekötik a neuronok egymással és kap impulzust, axon, mely továbbítja impulzusok feladat és dendritek, ami fogadja a jeleket különböző forrásokból. Ha egy neuron kap egy impulzust bizonyos küszöbérték felett, azonnal jelet küld a következő neuron.

A matematikai modell egy kicsit más. Bejelentkezés matematikai modell egy neuron - egy vektor, amely áll egy nagyszámú komponens. Mindegyik komponens - az egyik az impulzusok, amelyek által kapott neuron. A kimenet a modell egyetlen szám. Azaz, a modellben bemeneti vektor átalakítjuk egy skalár, később át más neuronok.

A neurális hálózatok lehet képezni két módja van: nélkül és tanár. A tanulási folyamat több lépésből áll. Először is, a hálózat bemenet a külső ingerek. Ezután, a szabályoknak megfelelően változhat a szabad paraméterek a neurális hálózat, akkor a hálózat reagál bemeneti ingerekre már másképp. Az eljárást meg kell ismételni, amíg a hálózat nem oldja meg a problémát. A tanuló algoritmust a tanár, hogy edzés során a hálózat már a helyes választ. Ezt a módszert már sikeresen használják sok alkalmazás, de gyakran kritizálták azt a tényt, hogy ez biológiailag valószínűtlen. A neurális hálózatok képzett nélkül a tanár abban az esetben, ha az egyetlen ismert bemenet. Ezek alapján a hálózat fokozatosan megtanulja, hogy a legjobb ár-érték kimenettel.

Neurális hálózatok alkalmazása valóban sokszínű. Gyakran használják, hogy automatizálják a felismerés, előrejelzés, létrehozása a különböző szakértői rendszerek, közelítése funkcionálok. Egy ilyen hálózat képes elvégezni hangfelismerés vagy optikai jeleket megjósolni árfolyam mutatók létrehozására képes rendszerek öntanuló, ami például szintetizálni beszédet egy adott szöveg vagy parkoló. A neurális hálózatok Nyugaton használják aktívabban, sajnos, a hazai cégek még nem fogadta el ezt a módszert.

Annak ellenére, hogy az előnyeit ANN hagyományos számítások néhány területen, a meglévő neurális hálózatok - nem az ideális megoldás. Mivel képesek a tanulás, akkor lehet, hogy tévedek. Ezen felül, akkor nem tudjuk pontosan garantálni, hogy a fejlett neurális hálózat optimális. A fejlesztő meg kell értenie a probléma természetét foglalkozik, van egy csomó információt, amely leírja a problémát, hogy adatokat szerezzen a tesztelés és képzési hálózat, kiválasztani a megfelelő módszert a képzés, átviteli függvény és a kiegészítés funkciót.